[发明专利]图像数据压缩的冗余数据去除系统及方法

说明书

本发明涉及图像压缩技术领域，具体涉及图像数据压缩的冗余数据去除系统及方法。所述系统包括：图像分割单元，配置用于将原始图像按照均匀等分成9份，得到9个子原始图像；图像特征分析单元，配置用于对每一份子原始图像进行特征分析，得到每一份子原始图像的特征，该特征所在的位置为特征空间；空间映射单元，配置用于将每一份子原始图像的特征进行空间映射，即将特征空间所在的特征映射到目标空间。其将图像数据进行空间映射转换，再比对目标空间的特征，以获得图像数据中冗余的部分，进而实现图像数据压缩的冗余数据去除，具有冗余数据去除率高和效率高的优点。

技术领域

本发明属于图像压缩技术领域，具体涉及图像数据压缩的冗余数据去除系统及方法。

背景技术

图像压缩即去除多余数据，以数学的观点来看，这一过程实际上就是将二维像素阵列变换为一个在统计上无关联的数据集合

数字相机、装配有相机的移动电话和手持式设备以及其他便利的图像捕捉设备的广泛可用性已导致被定期地上载到各种基于web的图像应用上的大量图像。诸如这些的应用凸显出对提高了效率、质量和灵活性的图像压缩技术的持续需求。

便携式网络图形(PNG)格式是用于在诸如因特网的网络上存储并传送图像的频繁使用的格式。也在因特网环境中频繁地使用其他图像格式，诸如图形交换格式(GIF)、标记图像文件格式(TIFF)和联合图像专家组(JPEG)。PNG和GIF被认为是无损压缩方法，而JPEG是有损压缩方法。TIFF可以有时使用有损或无损压缩。这些技术中的每一个在图像压缩时提供了许多益处。然而，这些技术中的每一个在效率、质量或灵活性方面具有弱点。

专利号为CN201610127676.6A的专利公开了一种图像压缩系统、解压缩系统、训练方法和装置、显示装置，该图像压缩系统中，采用卷积神经网络模块完成更新和预测的过程，这样通过对卷积神经网络模块中的各个滤波器单元中的权值进行训练即可使得相应的图像压缩系统具有较佳的压缩率，降低了图像压缩单元及图像解压缩单元中滤波参数设定的难度。

其利用卷积神经网络进行压缩，但其压缩后冗余数据的去除比率依然较低。

发明内容

有鉴于此，本发明的主要目的在于提供图像数据压缩的冗余数据去除系统及方法，其将图像数据进行空间映射转换，再比对目标空间的特征，以获得图像数据中冗余的部分，进而实现图像数据压缩的冗余数据去除，具有冗余数据去除率高和效率高的优点。

为达到上述目的，本发明的技术方案是这样实现的：

图像数据压缩的冗余数据去除系统，所述系统包括：图像分割单元，配置用于将原始图像按照均匀等分成9份，得到9个子原始图像；图像特征分析单元，配置用于对每一份子原始图像进行特征分析，得到每一份子原始图像的特征，该特征所在的位置为特征空间；空间映射单元，配置用于将每一份子原始图像的特征进行空间映射，即将特征空间所在的特征映射到目标空间；冗余处理单元，配置用于比对目标空间中的特征的相似度，将相似度高于设定的阈值的特征对应的子原始图像进行同一类别标记，标记完成后，针对同一类别标记下的子原始图像只保留一个；图像压缩单元，对剩下的所有的子原始图像进行压缩，完成图像数据的压缩。

进一步的，所述图像特征分析单元包括：配对单元，对子原始图像进行配对，获得配对后的图像；子图像构建单元，用于对所述配对后的图像构建多个结构化子图像；视觉特征提取单元，用于采用多模型训练获得的特征模型提取每个所述结构化子图像的视觉特征；融合单元，用于将所述多个结构化子图像的视觉特征进行结构化融合，获得结构化特征数据；运算单元，用于采用结构化模型训练得到的模型，对所述结构化特征数据进行运算，获得子原始图像的特征。